PaddleOCR实战：从数据标注到模型部署的全流程指南

1. 环境准备与工具安装

第一次接触PaddleOCR时，我也被各种依赖和环境配置搞得头大。后来发现用PyCharm这个神器能省去不少麻烦。建议直接从官网下载专业版（社区版也够用），安装时记得勾选"Add to PATH"选项。安装完成后别急着创建项目，先配置好Python解释器环境。

我习惯用conda创建独立环境，这样可以避免包冲突。打开终端输入：

bash复制conda create -n paddle_env python=3.8
conda activate paddle_env

接着安装PaddlePaddle基础框架。根据你的显卡情况选择安装命令：

bash复制# 无NVIDIA显卡
pip install paddlepaddle

# 有NVIDIA显卡（CUDA 11.2）
pip install paddlepaddle-gpu==2.4.2.post112 -f https://www.paddlepaddle.org.cn/whl/linux/mkl/avx/stable.html

验证安装是否成功：

python复制import paddle
paddle.utils.run_check()

2. 数据准备与标注实战

2.1 数据集组织技巧

我处理过票据识别项目，发现合理的文件结构能提升30%的工作效率。建议按这个结构组织：

code复制custom_dataset/
├── images/
│   ├── train/
│   │   ├── img_001.jpg
│   │   └── ...
│   └── val/
│       ├── img_101.jpg
│       └── ...
└── labels/
    ├── train/
    │   ├── img_001.txt
    │   └── ...
    └── val/
        ├── img_101.txt
        └── ...

每个txt标注文件格式为：

code复制x1,y1,x2,y2,x3,y3,x4,y4,text
0,0,100,0,100,50,0,50,发票号码

2.2 智能标注神器PPOCRLabel

安装标注工具：

bash复制pip install PPOCRLabel

启动时加--lang参数支持多语言：

bash复制PPOCRLabel --lang ch_en

我的标注经验：

1. 先批量导入图片文件夹
2. 点击"自动标注"按钮让模型预标注
3. 用快捷键调整标注框：
   • W：创建矩形框
   • Q：创建四边形框
   • Ctrl+鼠标滚轮：调整框大小

标注完成后导出时选择"PPOCR格式"，会自动生成train.txt和val.txt标注文件。

3. 模型训练全流程

3.1 检测模型训练实战

修改配置文件configs/det/ch_ppocr_v2.0/ch_det_res18_db_v2.0.yml：

yaml复制Train:
  dataset:
    name: SimpleDataSet
    data_dir: ./custom_dataset/
    label_file_list: ["./custom_dataset/train.txt"]
    ratio_list: [1.0]

启动训练（建议nohup后台运行）：

bash复制python tools/train.py -c configs/det/ch_ppocr_v2.0/ch_det_res18_db_v2.0.yml \
    -o Global.pretrained_model=./pretrain_models/ch_ppocr_server_v2.0_det_train/best_accuracy

遇到显存不足时调整batch_size：

yaml复制Train:
  loader:
    batch_size_per_card: 8  # 根据显存调整

3.2 识别模型调优技巧

修改识别配置文件configs/rec/PP-OCRv3/en_PP-OCRv3_rec.yml：

yaml复制Global:
  character_dict_path: ppocr/utils/en_dict.txt
  character_type: en
  max_text_length: 25  # 根据最长文本调整

Train:
  dataset:
    name: SimpleDataSet
    data_dir: ./custom_dataset/
    label_file_list: ["./custom_dataset/train.txt"]

加入数据增强提升效果：

yaml复制Train:
  transforms:
    - DecodeImage: 
        img_mode: BGR
        channel_first: False
    - RecAug: {}
    - CTCLabelEncode: {}
    - KeepKeys:
        keep_keys: ['image', 'label', 'length']

4. 模型部署与优化

4.1 模型导出最佳实践

检测模型导出命令：

bash复制python tools/export_model.py \
    -c configs/det/ch_ppocr_v2.0/ch_det_res18_db_v2.0.yml \
    -o Global.pretrained_model=./output/ch_db_res18/best_accuracy \
    Global.save_inference_dir=./inference/det_db

识别模型导出时注意字符集：

bash复制python tools/export_model.py \
    -c configs/rec/PP-OCRv3/en_PP-OCRv3_rec.yml \
    -o Global.pretrained_model=./output/v3_en_mobile/best_accuracy \
    Global.save_inference_dir=./inference/rec_en

4.2 推理性能优化

使用ONNX加速推理：

bash复制paddle2onnx \
    --model_dir ./inference/det_db \
    --model_filename inference.pdmodel \
    --params_filename inference.pdiparams \
    --save_file ./onnx/det_db.onnx \
    --opset_version 11

实测在Intel i7 CPU上，ONNX运行时速度提升约40%。对于边缘设备，可以进一步使用TensorRT优化：

python复制import tensorrt as trt

# 创建builder
logger = trt.Logger(trt.Logger.WARNING)
builder = trt.Builder(logger)
network = builder.create_network(1 << int(trt.NetworkDefinitionCreationFlag.EXPLICIT_BATCH))

# 解析ONNX模型
parser = trt.OnnxParser(network, logger)
with open("./onnx/det_db.onnx", "rb") as model:
    parser.parse(model.read())

5. 常见问题解决方案

5.1 训练报错排查指南

报错：CUDA out of memory

• 降低batch_size
• 添加梯度累积：

  yaml复制Train:
    gradient_merge:
      k_steps: 4
      avg: True
  

报错：字体文件缺失
在utility.py中修改字体路径：

python复制font_path = "./doc/fonts/simfang.ttf"  # 替换为你的字体路径

5.2 精度提升技巧

1. 数据增强组合：

   yaml复制- RecAug:
       use_tia: True  # 开启TIA增强
       aug_prob: 0.5  # 增强概率
   

2. 学习率策略调整：

   yaml复制Optimizer:
     lr:
       name: Cosine
       learning_rate: 0.001
       warmup_epoch: 2
   

3. 模型微调技巧：

   bash复制python tools/train.py -c configs/rec/PP-OCRv3/en_PP-OCRv3_rec.yml \
       -o Global.pretrained_model=./pretrain_models/en_PP-OCRv3_rec_train/best_accuracy \
       Global.checkpoints=./output/v3_en_mobile/latest
   

在实际票据识别项目中，通过这些方法我们将准确率从78%提升到了93%。特别是加入TIA数据增强后，对手写体的识别效果提升明显。